CN112203166A

CN112203166A - 一种多模型用户健康档案评分方法及装置

Info

Publication number: CN112203166A
Application number: CN202010937556.9A
Authority: CN
Inventors: 邱飞燕
Original assignee: Zhongying Youchuang Information Technology Co Ltd
Current assignee: Zhongying Youchuang Information Technology Co Ltd
Priority date: 2020-09-09
Filing date: 2020-09-09
Publication date: 2021-01-08
Anticipated expiration: 2040-09-09
Also published as: CN112203166B

Abstract

本发明公开一种多模型用户健康档案评分方法及装置，其中，该方法包括：对光路数据、Qoe数据、栢特数据和告警数据进行多维度数据采集；将采集到的数据分别进行解析和汇总，并对异常数据进行打标签；根据数据统计分析，得到各指标的单项评分，并根据熵公式计算各指标的信息熵权重，按权重计算各用户总评分，并汇总分析区域健康档案评分；可视化全区健康档案情况波动图及整治情况表格。该方法及装置基于报障数据、光路性能数据、QOE数据、栢特数据等数据的大数据的网络质量场景分析，可针对接入网的各个节点分析出是否质差，从而给主动运维提供有力的感知手段与能力。

Description

一种多模型用户健康档案评分方法及装置

技术领域

本发明涉及用户感知体验分析领域，尤其是一种多模型用户健康档案评分方法及装置。

背景技术

当前运营商用户对接入网的支撑维护，多是以设备告警或用户报障为发起点的被动运维。随着运营商大力发展FTTH(光纤到户)用户，企业运营面临光网络难以管理、故障难以定位、端到端保障缺失、服务质量难以提升等诸多问题，服务及装维压力巨大，成为亟待解决的焦点。从运营保障来看，当前侧重于运维能力建设，包括运营能力的自动化流程，以被动维护方式支撑网络运维，运维能力之间相互孤立，且多以故障及告警触发。而网络主动维护已逐步成为自动运维向质量运维演变的趋势，运营保障迫切需要对网络质量的主动感知能力。

发明内容

为提高用户感知，化被动为主动，本发明提供一种多模型用户健康档案评分方法及装置，基于报障数据、光路性能数据、QOE数据、栢特数据等数据的大数据的网络质量场景分析，可针对接入网的各个节点分析出是否质差，从而给主动运维提供有力的感知手段与能力。

为实现上述目的，本发明采用下述技术方案：

在本发明一实施例中，提出了一种多模型用户健康档案评分方法，该方法包括：

步骤一，跨域数据采集

对光路数据、Qoe数据、栢特数据和告警数据进行多维度数据采集；

步骤二，数据预处理

将采集到的数据分别进行解析和汇总，并对异常数据进行打标签；

步骤三，数据建模

根据数据统计分析，得到各指标的单项评分，并根据熵公式计算各指标的信息熵权重，按权重计算各用户总评分，并汇总分析区域健康档案评分；

步骤四，数据可视化

可视化全区健康档案情况波动图及整治情况表格。

进一步地，步骤一中告警数据包括：10000客户申告数据和综保系统客户报障数据。

进一步地，步骤一中光路数据包括：光路基础数据和光路性能数据，光路基础数据包括：设备信息、端口信息，用户稽核信息、光模块信息、光猫信息和机顶盒信息，光路性能数据包括：OLT设备、PON口、ONUID、PON口类型、ONU接收光功率、OLT发送光功率、下行光衰、达标次数、总测试次数、用户账号、ONU状态、ONU光模块温度、OLT至ONU光纤的长度和光衰是否达标。

进一步地，步骤一中Qoe数据包括：用户ID、卡顿次数、卡顿时间、视频MOS分值、丢包率、延迟、RTSP命令响应时延、5分钟内播放时长、五分钟切换时长、单用户一天播放时长大于0的采集次数和单用户一天采集次数。

进一步地，步骤一中栢特数据包括：http测试包括的字段：Loid、用户账号、区号、光猫型号、测试目标、目标IP、测试时间、QoE、下载速率、首屏时延、访问成功率、DNS时延和ping测试包括的字段：Loid、用户账号、区号、光猫型号、测试目标、目标IP、测试时间、QoE、访问成功率、平均时延、最小时延、最大时延、抖动和丢包。

进一步地，步骤二中数据预处理，包括：

采集到的原始数据解析后上传到HDFS，主要包括：基础数据、性能数据和保障数据；

基础数据按天汇总输出ONU设备数据及ONU用户信息后进行预测；

性能数据按天汇总月数据后进行分析预测，且预测数据按周汇总月数据；

对多维度数据进行编码，将字符串内容的字段名称编码成id形式；

对度量指标中超出实际范围的指标均默认取范围的边界值，并进行异常标签置为1；

标签数据和预测数据汇总数据关联后作为算法训练数据。

进一步地，步骤三中数据建模，包括：

按照各项指标评分标准，对用户进行单项评分；

得到类似各指标单项评分；

综合所有用户单项评分，根据信息熵公式H(x)＝E[I(xi)]＝E[log(2,1/P(xi))]＝-∑P(xi)log(2,P(xi))(i＝1,2,..n)，式中H表示信息熵，I(x)表示x的信息量，E表示期望值，P(x)表示输出概率函数，计算各指标的信息熵；

根据公式

式中W表示权重，E表示期望值，k表示指标个数，计算各指标的权重；

按权重计算各用户总评分，如果该项指标未采集到，该项权重再×0.5)。

进一步地，步骤四中数据可视化，包括：

统计用户个人健康评分数据，剔除异常数据；按地市分别汇总求平均，得到区域健康评分，包括：全省地市质差排名、各地市健康档案总评分及其排名和具体地市近一周/半年地市评分波动曲线；

根据用户优良率汇总到维护班组、区县、地市优良率，用户健康整治情况中优良率为80分以上占比，总评分为2个维度对比上月健康数据，‘↑’表示对比上月整治提升。

在本发明一实施例中，还提出了一种多模型用户健康档案评分装置，该装置包括：

跨域数据采集模块，用于对光路数据、Qoe数据、栢特数据和告警数据进行多维度数据采集；

数据预处理模块，用于将采集到的数据分别进行解析和汇总，并对异常数据进行打标签；

数据建模模块，用于根据数据统计分析，得到各指标的单项评分，并根据熵公式计算各指标的信息熵权重，按权重计算各用户总评分，并汇总分析区域健康档案评分；

数据可视化模块，用于可视化全区健康档案情况波动图及整治情况表格。

在本发明一实施例中，还提出了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现前述多模型用户健康档案评分方法。

在本发明一实施例中，还提出了一种计算机可读存储介质，计算机可读存储介质存储有执行多模型用户健康档案评分方法的计算机程序。

有益效果：

本发明对以FTTH(光纤到户)为代表的PON网络用户，通过分析10000客户申告数据、综保系统客户报障数据、柏特光猫探针数据、IPTV质差及光路性能等历史数据，建立用户感知数据分析算法模型，找出网络质量和感知差的用户，形成用户健康档案，分析定界导致用户感知体验下降的原因，从而给主动运维提供有力的感知手段与能力。

附图说明

图1是本发明一实施例的数据预处理流程示意图；

图2是本发明一实施例的全省地市质差排名示意图；

图3是本发明一实施例的具体地市近一周/半年地市评分波动曲线图；

图4是本发明一实施例的多模型用户健康档案评分装置结构示意图；

图5是本发明一实施例的计算机设备结构示意图。

具体实施方式

下面将参考若干示例性实施方式来描述本发明的原理和精神，应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本发明，而并非以任何方式限制本发明的范围。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。

本领域技术人员知道，本发明的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。

根据本发明的实施方式，提出了一种多模型用户健康档案评分方法及装置，对以FTTH(光纤到户)为代表的PON网络用户,通过分析10000客户申告数据、综保系统客户报障数据、柏特光猫探针数据、IPTV质差及光路性能等历史数据，建立用户感知数据分析算法模型，找出网络质量和感知差的用户，形成用户健康档案，分析定界导致用户感知体验下降的原因，从而给主动运维提供有力的感知手段与能力。

下面参考本发明的若干代表性实施方式，详细阐释本发明的原理和精神。

本发明一实施例的多模型用户健康档案评分方法，包括：

步骤一，跨域数据采集

对光路数据、Qoe数据、栢特数据和告警数据进行多维度数据采集；数据采集具体包括：

(1)告警数据

10000客户申告数据、综保系统客户报障数据；

(2)光路数据

光路基础数据：

设备信息、端口信息、用户稽核信息(用户对于的光路信息)、光模块信息、光猫信息、机顶盒信息；

光路性能数据：

OLT设备、PON口、ONUID、PON口类型、ONU接收光功率、OLT发送光功率、下行光衰、达标次数、总测试次数、用户账号、ONU状态、ONU光模块温度、OLT至ONU光纤的长度、光衰是否达标；

(3)Qoe数据：

用户ID、卡顿次数、卡顿时间(ms)、视频MOS分值、丢包率、延迟、RTSP命令响应时延(ms)、5分钟内播放时长、五分钟切换时长(ms)、单用户一天播放时长大于0的采集次数、单用户一天采集次数；

(4)栢特数据：

http测试包括的字段为：Loid(注册码),用户账号,区号,光猫型号,测试目标,目标IP,测试时间,QoE,下载速率(Mbps),首屏时延(ms),访问成功率,DNS时延(ms)；

ping测试包括的字段为：Loid(注册码),用户账号,区号,光猫型号,测试目标,目标IP,测试时间,QoE,访问成功率,平均时延(ms),最小时延(ms),最大时延(ms),抖动(ms),丢包(％)。

步骤二，数据预处理

图1是本发明一实施例的数据预处理流程示意图，如图1所示，数据预处理具体包括：

(1)采集到的原始数据解析后上传到HDFS，主要包括基础数据(设备、端口、稽核、光猫、机顶盒、光模块)、光路性能数据(光路性能数据、Qoe、bate)、报障数据(申告数据、光路报障数据、客户拦截)；

(2)基础数据按天汇总输出ONU设备数据及ONU用户信息后进行预测；

(3)性能数据分别按天汇总月数据，后进行分析预测，且预测数据按周汇总月数据；

(4)对维度信息进行编码，将字符串内容的字段名称编码成id形式，方便建模时使用；

(5)对度量指标(数值型指标)超出实际范围的指标都默认取范围的边界值，并进行异常标签置为1，便于打分体系更加可靠；

(6)打标签的数据和预测数据汇总数据关联后作为算法训练数据。

步骤三，数据建模

根据数据统计分析，得到各指标的单项评分，并根据熵公式计算各指标的信息熵权重，按权重计算各用户总评分，并汇总分析区域健康档案评分；数据建模具体包括：

(1)按照各项指标评分标准，对用户进行单项评分；

(2)得到类似各指标单项评分；

(3)综合所有用户单项评分，根据信息熵公式H(x)＝E[I(xi)]＝E[log(2,1/P(xi))]＝-∑P(xi)log(2,P(xi))(i＝1,2,..n)，式中H表示信息熵，I(x)表示x的信息量，E表示期望值，P(x)表示输出概率函数，计算各指标的信息熵；

(4)根据公式

(5)按权重计算各用户总评分，如果该项指标未采集到，该项权重再×0.5)。

步骤四，数据可视化

可视化全区健康档案情况波动图及整治情况表格；数据可视化具体包括：

(1)统计用户个人健康评分数据，剔除异常数据；按地市分别汇总求平均，得到区域健康评分，包括：全省地市质差排名、各地市健康档案总评分及其排名和具体地市近一周/半年地市评分波动曲线；

(2)根据用户优良率汇总到维护班组、区县、地市优良率，用户健康整治情况中优良率为80分以上占比，总评分为2个维度对比上月健康数据，‘↑’表示对比上月整治提升。

需要说明的是，尽管在上述实施例及附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

为了对上述多模型用户健康档案评分方法进行更为清楚的解释，下面结合一个具体的实施例来进行说明，然而值得注意的是该实施例仅是为了更好地说明本发明，并不构成对本发明不当的限定。

下面以一个具体实例来更加详细的对多模型用户健康档案评分方法进一步说明：

1.数据采集

对光路数据、Qoe数据、栢特数据和告警数据进行多维度数据采集，具体不赘述。

2.数据预处理

将采集到的数据分别进行解析和汇总，并对异常数据进行打标签，具体不赘述。

3.数据建模

(1)按照下表1各项指标评分标准，对用户进行单项评分；

表1各指标评分标准

(2)得到类似各指标单项评分，见下表2；

表2各指标单项评分

(3)综合所有用户单项评分，根据信息熵公式H(x)＝E[I(xi)]＝E[log(2,1/P(xi))]＝-∑P(xi)log(2,P(xi))(i＝1,2,..n)，式中H表示信息熵，I(x)表示x的信息量，E表示期望值，P(x)表示输出概率函数，计算各指标的信息熵，见下表3；

表3各指标信息熵

(4)根据公式

式中W表示权重，E表示期望值，k表示指标个数，计算各指标的权重，见下表4；

表4各指标的权重

(5)按权重计算各用户总评分(如果该项指标未采集到，该项权重需再×0.5)，见下表5。

表5各用户总评分

4.数据可视化

(1)统计客户个人健康评分数据，剔除异常数据；按地市分别汇总求平均，得到区域健康评分；区域一是全省地市质差排名，见图2，区域二是各地市健康档案总评分及其排名，见下表6，区域三是具体地市近一周/半年地市评分波动曲线，见图3；

表6各地市健康档案总评分及其排名

(2)根据用户优良率汇总到维护班组、区县、地市优良率，客户健康整治情况中优良率(80分以上占比)，总评分为2个维度对比上月健康数据，‘↑’表示对比上月整治提升，见下表7；

表7客户健康整治情况

(3)根据全省客户度总体评分和客户健康整治情况，用户可得到整个地市整体健康度情况，可直观的确认具体哪个地市、区县、维护班组的健康度得分较低，对健康优良度低于80％及得分低于90(阈值可配置)的发告警，要求地市整治，以提高用户满意度。

基于同一发明构思，本发明还提出一种多模型用户健康档案评分装置。该装置的实施可以参见上述方法的实施，重复之处不再赘述。以下所使用的术语“模块”，可以是实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现，但是硬件，或者软件和硬件的组合的实现也是可能并被构想的。

图4是本发明一实施例的多模型用户健康档案评分装置结构示意图。如图4所示，该装置包括：

跨域数据采集模块101，用于对光路数据、Qoe数据、栢特数据和告警数据进行多维度数据采集；

数据预处理模块102，用于将采集到的数据分别进行解析和汇总，并对异常数据进行打标签；

数据建模模块103，用于根据数据统计分析，得到各指标的单项评分，并根据熵公式计算各指标的信息熵权重，按权重计算各用户总评分，并汇总分析区域健康档案评分；

数据可视化模块104，用于可视化全区健康档案情况波动图及整治情况表格。

应当注意，尽管在上文详细描述中提及了多模型用户健康档案评分装置的若干模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本发明的实施方式，上文描述的两个或更多模块的特征和功能可以在一个模块中具体化。反之，上文描述的一个模块的特征和功能可以进一步划分为由多个模块来具体化。

基于前述发明构思，如图5所示，本发明还提出一种计算机设备200，包括存储器210、处理器220及存储在存储器210上并可在处理器220上运行的计算机程序230，处理器220执行计算机程序230时实现前述多模型用户健康档案评分方法。

基于前述发明构思，本发明还提出一种计算机可读存储介质，计算机可读存储介质存储有执行前述多模型用户健康档案评分方法的计算机程序。

本发明提出的多模型用户健康档案评分方法及装置量化评估性能数据对用户网络的影响，通过打分，从而得到他的感知好坏；对全区用户得分排名，可直观全区网络优良率；网络质差点的计算结果，也可用于告警分析，报障排查的参考依据。

虽然已经参考若干具体实施方式描述了本发明的精神和原理，但是应该理解，本发明并不限于所公开的具体实施方式，对各方面的划分也不意味着这些方面中的特征不能组合以进行受益，这种划分仅是为了表述的方便。本发明旨在涵盖所附权利要求的精神和范围内所包含的各种修改和等同布置。

对本发明保护范围的限制，所属领域技术人员应该明白，在本发明的技术方案的基础上，本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。

Claims

1.一种多模型用户健康档案评分方法，其特征在于，该方法包括：

步骤一，跨域数据采集

步骤二，数据预处理

步骤三，数据建模

步骤四，数据可视化

可视化全区健康档案情况波动图及整治情况表格。

2.根据权利要求1所述的多模型用户健康档案评分方法，其特征在于，所述步骤一中告警数据包括：10000客户申告数据和综保系统客户报障数据。

3.根据权利要求1所述的多模型用户健康档案评分方法，其特征在于，所述步骤一中光路数据包括：光路基础数据和光路性能数据，光路基础数据包括：设备信息、端口信息，用户稽核信息、光模块信息、光猫信息和机顶盒信息，光路性能数据包括：OLT设备、PON口、ONUID、PON口类型、ONU接收光功率、OLT发送光功率、下行光衰、达标次数、总测试次数、用户账号、ONU状态、ONU光模块温度、OLT至ONU光纤的长度和光衰是否达标。

4.根据权利要求1所述的多模型用户健康档案评分方法，其特征在于，所述步骤一中Qoe数据包括：用户ID、卡顿次数、卡顿时间、视频MOS分值、丢包率、延迟、RTSP命令响应时延、5分钟内播放时长、五分钟切换时长、单用户一天播放时长大于0的采集次数和单用户一天采集次数。

5.根据权利要求1所述的多模型用户健康档案评分方法，其特征在于，所述步骤一中栢特数据包括：http测试包括的字段：Loid、用户账号、区号、光猫型号、测试目标、目标IP、测试时间、QoE、下载速率、首屏时延、访问成功率、DNS时延和ping测试包括的字段：Loid、用户账号、区号、光猫型号、测试目标、目标IP、测试时间、QoE、访问成功率、平均时延、最小时延、最大时延、抖动和丢包。

6.根据权利要求1所述的多模型用户健康档案评分方法，其特征在于，所述步骤二中数据预处理，包括：

标签数据和预测数据汇总数据关联后作为算法训练数据。

7.根据权利要求1所述的多模型用户健康档案评分方法，其特征在于，所述步骤三中数据建模，包括：

按照各项指标评分标准，对用户进行单项评分；

得到类似各指标单项评分；

根据公式

8.根据权利要求1所述的多模型用户健康档案评分方法，其特征在于，所述步骤四中数据可视化，包括：

9.一种多模型用户健康档案评分装置，其特征在于，该装置包括：

10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-8任一项所述方法。

11.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1-8任一项所述方法的计算机程序。